模糊聚类分析在试卷分析中的应用

根据学生试卷的每个题型的得分情况,运用模糊聚类分析技术对成绩进行分类。通过引入F统计量确定最佳阈值,使分类结果更加科学合理;再对每类学生进行分析,找出通过考试反映出的普遍问题。采用聚类分析可以更科学地对学生进行分类,实现系统教学,而使用模糊方法则更符合实际。     

加权模糊聚类方法在煤矿安全事故中的应用

首先通过加权灰关联度定义了加权欧氏距离,给出了以F统计量确定最优γ阈值的方法.然后建立了基于灰关联度的模糊聚类分析方法.最后,以某煤矿集团的煤矿安全事故为例进行了实证分析,对事故进行了分类.分类结果表明:该方法实用有效,可作为有关部门进行煤矿事故分类和事故处理的决策依据.     

F-820型血液分析仪白细胞分类结果评价

目的:为了考察F-820型血液分析仪白细胞分类结果的可靠性。方法:对173例随机病例分别进行自动和手工分类,其结果进行比较。结果:102例无显著性差异(P>0.05),60例有显著性差异(P<0.01),11例必须进行手工分类。结论:F-820型血液分析仪白细胞分类只能作为初筛方法,提倡仪器分类和镜检联合应用。     

基于自助采样技术的最优阈值选取方法（英文）

为了预测机械部件整个生命周期内的极限载荷,提出了一种基于自助采样技术选取最优阈值的自动方法.该方法首先提取载荷历程的所有极值点,估计出一系列阈值,用广义帕累托分布函数拟合超越量,用极大似然估计方法估计相应的分布参数,然后用自助采样技术计算每个估计的阈值对应的均方误差,并用数值最小的均方误差所对应的阈值作为最优阈值.数据验证表明:与峰度法和超额均值函数法相比,基于自助采样法选取的阈值,其超越量的概率密度函数平均偏差分别降低了38.52%和29.25%,且自助采样法所确定的超越量数据的QQ图更接近一条直线,因此,该方法提高了建模的灵活性及所选阈值的准确性,而且当超越量数据不足时,自助采样技术能够通过自动分析未知母体分布的统计学特性进行重新采样,解决了因超越量数据不足导致的原始分布参数不稳定的问题.     

基于最小分类误差的阈值优化方法设计

传统Fisher线性判别（FLD）的常用阈值对特定数据集的分类精度存在明显差异。为提高分类精度，通过最小化贝叶斯误差对二分类问题的FLD阈值进行了优化设计。对UCI中的8个数据集进行验证，将所得的平均分类精度与常用阈值在这些数据集上所得的平均分类精度进行比较。结果表明，所提出的优化阈值分类效果显著，相比于常用阈值，在平均分类精度上有所提升。     

基于改进PSO的多传感器数据自适应加权融合算法

加权融合算法是多传感器数据融合中的常用方法,但加权因子的确定非常困难并直接影响算法的性能.文章提出利用改进的粒子群优化算法对各个传感器的加权因子进行自适应优化,引入种群进化度、聚合度来反映种群的多样性,当种群多样性低于阈值时执行变异操作,并交替使用基于聚合度、进化度的自适应惯性权重函数,从而避免算法陷入局部最优解.通过UCI数据集测例表明本文算法是一种较有效的多传感器数据融合方法,相对其它算法具有较高的融合精度.     

关于F-半对称联络和F-曲率张量

首先研究F-半对称联络;其次,引入了仿射联络的F-曲率张量的定义并给出F-曲率张量的一些有意义的结果.     

基于土地覆盖分类的IKONOS影像融合与精度评价

遥感影像的融合,可以提高目视和自动影像提取的类别精度,已成为遥感应用研究领域的重要主题,不同的图像融合算法会产生不同程度的光谱畸变.概略介绍IHS变换、Brovey变换、PCA变换、SFIM变换、Gram-Schmidt变换五种融合方式,结合融合后影像的数据统计以及分类结果,得出对于此次试验区的IKONOS影像来说,在图像空间信息提高和光谱信息保真方面以SFIM变换和Gram-Schmidt变换相对较好,其中Gram-Schmidt变换对图像微小细节反差的表达能力优于SFIM变换.分类之后,在上述5种图像融合算法中Gram-Schmidt变换得到的融合影像分类精度最高,总体精度和Kappa系数分别为95.20%和0.93,表明利用Gram-Schmidt变换进行IKONOS影像融合更适合基于光谱的土地覆盖分类.     

适用于数据分类的极限学习机优化算法

针对极限学习机参数优化问题,提出量子遗传算法优化极限学习机的方法（QGA-ELM）。在该方法中,对ELM的输入权值和隐含层阈值采用量子比特编码,并将其映射为QGA的染色体,QGA的适应度函数为对应ELM的分类精度;通过QGA的量子旋转门优化出输入权值与隐含层阈值,以此训练出分类精度更高的ELM,从而改善ELM的泛化性能。通过ELM和QGA-ELM对数据集的仿真结果对比表明,QGA-ELM有效地提升了ELM网络的分类精度。     

基于特征表示与学习的图像集合分类算法

当前大多数图像集合分类方法对图像集合进行表示时往往做出部分先验假设,然而在许多实际应用中,这些假设可能无法成立,尤其是当集合内部存在大量复杂的数据变化时更是如此。此外,基于这些假设进行模型学习时可能会丢失部分区分性分类信息。针对这一问题,本文提出一种基于特征表示与学习的图像集合分类方法。对每个图像集合,首先将计算它的多阶统计量作为特征表示。对每阶统计量,计算一个内核矩阵来衡量两个图像集合的相似性。然后,通过利用局部多内核指标学习(LMKML)方法来学习一种距离指标,进而将不同阶统计量综合起来。最后,利用最近邻分类器进行分类。基于4种常用图像集合数据库的实验结果验证了本文算法的有效性。     

基于ACA-SVM融合的变压器故障诊断

变压器故障诊断是一项复杂而有难度的技术,受到很多因素的影响.本文提出了基于ACA-SVM融合的变压器故障诊断方法,即将蚁群优化算法（ACA）用于SVM参数优化.它不仅具有很强的全局搜索能力,而且容易实现.经实验结果证明,基于ACA-SVM融合的变压器故障诊断结果与实测数据基本一致,其预测精度高于普通的SVM和IEC三比值法,能有效诊断变压器内部潜伏性故障.     

基于Kalman滤波的多传感器分布式数据融合算法及其并行实现

1Introduction Inrecentyears,multisensordatafusiontechniques havefoundwidespreadapplicationsinmanytracking andsurveillancesystemsaswellasinapplications wherereliabilityisofamainconcern[1].Multisensor datafusionisdefinedasaprocessofintegratingdata frommulti…     

双流融合的动作识别方法研究

为了有效改善传统动作识别方法中输入数据信息单一导致的识别率偏低等问题,提出一种结合视频数据和骨骼数据的双流融合方法.基于两种不同的深度学习网络,分别对视频数据与骨骼数据进行识别并将两者输出的概率加以融合,实现信息融合效果.在公开数据集NTU RGB+D上进行测试,达到83.76％的识别精度.该方法在一定程度上实现了不同...     

基于卡尔曼滤波的数据融合在无线传感器网络中的研究

为了减少节点传输数据量和网络总能量的消耗,本文针对特定应用模型,提出了基于卡尔曼滤波的数据融合算法,并用MATLAB工具进行仿真实验,证明该融合方法提高数据精确度和可信度.     

基于数据融合与互相关技术的气固两相流固相流速测量技术研究

将信息处理技术引用到气固两相流参数检测中,初步探讨了应用数据融合技术及互相关技术进行固相颗粒界面平均速度的检测。采用两种方案确定上、下游传感器渡越时间,包括每对传感器采集的数据先进行互相关分析再进行数据加权融合,以及对所有传感器采集的数据先进行融合处理,再对其进行相关分析。通过对这两种信息处理方案进行仿真研究,得到稳定且正确的仿真结果。     

基于支持向量机的污水状态识别

考虑将支持向量机的思想应用于信息融合,提出基于支持向量机的信息融合的方法,并将这种方法应用于城市污水处理厂的数据处理。同时使用神经网络的信息融合方法与其相比较,实验的结果表明,基于支持向量机的信息融合的方法在对城市污水处理厂的这类数据的模式识别中,有着较好的分类预测能力。     

Multiresolution image fusion scheme based on fuzzy region feature

INTRODUCTION Image fusion can be defined as the process by which several images, or some of their features, are combined together to form different modalities or instruments, and is of great importance in many ap- plications (Hall and Llinas, 1997; Zhou et al., 1998), such as object detection, ATR (Automatic Target Recognition), remote sensing, computer vision, and robotics. Recently some researchers recognized that it seems more meaningful to combine objects/regions rather than pixels…     

一种有效的形态小波多聚焦图像融合算法

多聚焦图像融合的关键问题是如何更好地保持源图像的轮廓信息和细节信息。形态小波具有小波变换的多层次分解特性和形态学的非线性特性。提出了一种基于形态小波变换的多聚焦图像融合算法。根据形态小波分解信号的特点,分别对高频系数和低频系数设计不同的融合规则:高频系数采用方向相关方法,最大程度保留细节和细节信息的方向特性;低频系数采用加权平均方法,该方法轮廓明显,最大程度地保留了轮廓信息。实验结果表明:该方法融合图像效果优于传统图像融合方法。     

基于小波的图像融合及质量评估方法评述

图像融合是信息融合在图像处理领域的一个重要应用．由于小波分析在时域和频域同时具有趋好的局部化及多分辨特性，小波分析已成为图像融合领域的一种主流技术．近几年发展起来的多子带小波，更使小波图像融合进入了一个新的领域．从小波及多子带小波的分解与重建算法，以及对多子带小波的特性分析，得出基于多子带小波的图像融合具有明显的优点，同时也给出了小波融合系数算法．几个评价图像质量的指标，用于评定融合方法的优劣．